Traitement et analyse de séries chronologiques continues de ...

Partie 2 – Chapitre 6 : Conclusion
Conclusion
Cette partie 2 a mis en évidence la diversité des méthodes disponibles pour l’estimation des
incertitudes dans le processus de modélisation. Les hypothèses formulées pour chacune des
méthodes présentées ont été explicitées ainsi que les méthodes d’analyse possibles pour leur
vérification. La question du choix d’une méthode adéquate a également été abordée : il dépend
de la complexité du modèle testé, du contexte de l’étude et des objectifs du modélisateur. Enfin
l’intérêt de la prise en compte des incertitudes pour le test des modèles a été rappelé. L’analyse
bayésienne notamment offre un cadre approprié pour l’orientation du développement des
modèles.
Plus spécifiquement, nous tirons de cette partie les conclusions suivantes :
- L’application d’une méthode d’analyse, quelle qu’elle soit, nécessite la
vérification a posteriori des hypothèses qui la supportent. Cette étape garantit la
validité des conclusions de l’analyse.
- Dans le cas des méthodes complexes, la méthode bayésienne formelle nous
semble la plus fiable d’un point de vue théorique, sans pourtant nier les
difficultés de sa mise en œuvre, principalement la validité du modèle d’erreur et
l’utilisation des méthodes MCMC.
- La prise en compte des incertitudes lors du calage et du test des modèles apporte
au modélisateur une information riche à laquelle ne donne pas accès un calage
simple. Elle permet notamment de cibler les points faibles du modèle et
d’identifier les sources d’incertitude prépondérantes affectant les résultats.
- On observe depuis les deux dernières décennies un intérêt croissant de la part des
hydrologues pour les méthodes d’analyse bayésienne et leur application pour le
test des modèles. L’émergence et la mise au point d’algorithmes de plus en plus
performants renforcent ce constat.
- L’application du principe d’apprentissage de la méthode bayésienne offre un
cadre performant de test des modèles. Pour un jeu de calage donné, la structure
du modèle peut être améliorée par la mise en œuvre de calages successifs,
exploitant les résultats des tests obtenus à chaque étape.
- L’application des méthodes d’analyse d’incertitude en hydrologie urbaine,
notamment pour le test des modèles de qualité des RUTP reste encore limitée
mais connaît depuis quelques années un essor notable dans le domaine de la
recherche. Un des points de blocage majeur pour leur application vient du
manque de données en quantité et en qualité. Notre connaissance des processus
est limitée, ce qui se traduit par de fortes incertitudes sur la structure des
modèles. Le manque de données rend de plus difficile le calage de modèles
complexes (incluant des modèles d’erreur), qui comprennent un nombre élevé de
paramètres. L’apparition de bases de données importantes devrait rendre
l’application des méthodes plus robustes et faciliter leur intégration systématique
dans la démarche de modélisation.
101